مدلی برای پیش بینی آسیب پذیری تحصیلی در مقطع کارشناسی مبتنی بر شبکه عصبی
نویسندگان
1 کارشناس ارشد تحلیل سیستم حوزه معاونت آموزشی دانشگاه علم و صنعت ایران
2 دانشگاه علم و صنعت ایران
3 دانشگاه علم و صنعت ایران استاد دانشکده مهندسی صنایع
doi
10.22080/eps.2018.2020چکیده
هدف پژوهش حاضر، توسعه مدلی برای پیشبینی شرایط اخراج آموزشی دانشجویان مقطع کارشناسی رشتههای مهندسی بوده که به روش دادهکاوی و با استفاده از الگوریتم شبکه عصبی به اجرا درآمده است. جامعه آماری، دربرگیرنده کلیه پذیرفتهشدگان سالهای 1387 لغایت 1390 در سه مورد از دانشگاههای فنی و مهندسی کشور بوده است. دادههای پژوهش با بهرهبرداری مستقیم از سیستمهای آموزش هر سه دانشگاه در مدلسازی وارد شدند. نتایج حاکی از آن است که با بهرهگیری از دادههای موجود در سیستمهای حوزه آموزش دانشگاهها و به خدمت گرفتن شبکه عصبی میتوان با صحت بیش از 95 درصد نسبت به پیشبینی وضعیت تحصیلی یکایک دانشجویان اقدام نمود. کارآئی مدلهای حاصله در دانشگاههای مورد مطالعه، به ترتیب برابر 0.72، 0.556و 0.565 حاصل گردیدند. معدل کل، تعداد واحدهای گذرانده، تعداد نیمسال های مبادرت به فعالیتهای فوق برنامه و تعداد نیمسالهای مشروطی قبلی به عنوان به عنوان موثرترین متغیرهای پیشبین، توسط شبکه عصبی تشخیص داده شدند.